一种用于保护边缘计算中的数据的数据隔离模型

边缘计算通过去中心化云和地理分布的边缘节点，为延迟敏感和通信密集型应用提供了敏捷的数据处理平台。由于安全问题和威胁，对边缘节点获得集中控制可能具有挑战性。在若干安全问题中，数据完整性攻击可导致数据不一致并侵入边缘数据分析。攻击的进一步加剧使得缓解和识别根本原因变得困难。因此，本文提出数据隔离模型的新概念，通过隔离入侵者来缓解数据完整性攻击。云、自组织网络和计算机系统中使用隔离的高效安全解决方案促使将其采用到边缘计算中。数据获取边缘节点通过降维识别入侵者并隔离所有可疑设备。在隔离期间，所提概念构建信誉分数以确定被误识别的合法设备，并清理其受影响数据以恢复数据完整性。作为初步研究，本工作确定了适用于降维的机器学习方法——线性判别分析（LDA）。LDA 取得了 72.83% 的隔离准确率和 0.9 秒的训练时间，优于其他最先进方法。未来，将使用真实数据实现并验证该模型。